基于级联纠错机制的人体姿态估计方法
专利汇可以提供基于级联纠错机制的人体姿态估计方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于级联纠错机制的人体 姿态 追踪方法，主要解决 现有技术 对人体姿态估计中 手腕 定位 不准确的问题。其包括：1)利用双向树结构模型定位手腕以外的身体各关 节点 ；2)利用光流和粒子滤波初步预测手腕的 位置 ；3)通过光流响应判断初步检测的结果是否可靠，若不可靠，则利用双向图结构模型来定位手腕的位置；4)利用肤色模型来判断双向图结构模型的定位结果是否可靠；5)若双向树结构模型的定位结果不正确，则再利用上一 帧 的手腕位置估计当前帧的手腕位置。实验结果表明，本发明能更精确地定位手腕的位置，从而取得更好的人体姿态估计效果，可用于视频监控、 人机交互 、数字娱乐、医学成像和运动场景下对人体姿态的识别。，下面是基于级联纠错机制的人体姿态估计方法专利的具体信息内容。
1.一种基于级联纠错机制的人体姿态估计方法，其特征在于：包括如下步骤：
(1)利用双向树结构模型对手腕以外的身体关节点进行定位；
(2)利用光流和粒子追踪相结合的方法初步预测手腕的位置；
(3)根据光流响应矩阵B的列数和设定的两个列光流阈值对预测的结果进行判断：
若光流响应矩阵B的第1列B(1)大于第1列的光流阈值1.5，且第1列到第200列的光流阈值B(1)…B(200)的值下降缓慢，使得第200列的光流响应B(200)大于第200列的光流阈值1，则判断定位的结果是手腕，即定位成功；
若光流响应矩阵B的第1列B(1)大于第1列的光流阈值1.5，且第1列到第200列的光流阈值B(1)…B(200)的值下降迅速，使得第200列的光流响应B(200)小于第200列的光流阈值1，则判断定位的结果是手肘，即定位失败，执行(4)；
若光流响应矩阵B的第1列B(1)小于第1列的光流阈值1.5，则判定定位的结果是手肘，即定位失败，执行(4)；
(4)利用双向树结构模型重新预测手腕的位置；
(5)对(4)预测的结果进行判断：
基于同一个人脸部和手部的肤色具有相似性的特性，用人脸区域的肤色直方图近似代替手腕区域的肤色直方图，即先使用脸部检测器准确定位人脸，再统计人脸区域的色度、亮度、饱和度HSV肤色直方图，即手腕区域的HSV肤色直方图，最后根据HSV肤色直方图计算手腕定位框内肤色区域面积的比例：
若手腕定位框内肤色区域面积的比例高于50％，则判断双向树结构模型定位的结果准确；
若手腕定位框内肤色区域面积的比例低于50％，判断双向树结构模型定位的结果错误，则把上一帧中已定位的手腕位置取作预测的手腕位置。
2.根据权利要求1所述的方法，其特征在于步骤(2)所述的利用光流和粒子追踪相结合的方法初步预测手腕的位置，按如下步骤进行：
2a)建立外观模型：
采用光流法fast flow处理原始的视频帧，得到一系列的光流图像，并采用主成分分析PCA方法对光流图像中的特定关节点手腕进行外观建模，其表示如下：
其中，i表示第i个关节点，It表示t时刻的观察图像序列， 表示在It中第i个关节点的图像块，Ui表示部件i张成的子空间，dt表示图像块到子空间的距离，dw表示图像块在子空间内的距离， 表示图像块由子空间生成的概率， 表示图像块到子空间Ui距
离为dt的概率， 表示图像块在子空间Ui内距离为dw的概率，N(·)表示独立的高斯分布，μi表示均值，E表示单位矩阵，εE表示高斯噪声， 表示由Ui的特征值所构成的矩阵；
2b)根据外观模型，计算出每个图像块可能是手腕的概率 得到一系列候选的
手腕位置；
2c)建立动态模型：
采用布朗运动对手腕的粒子追踪过程进行动态建模，其表示如下：
其中，θi表示对应仿射参数的方差，Pti表示在It中第i个关节点的状态变量，表示当t-1时刻手腕的状态变量为 的t时刻手腕状态变量为Pti的概率；
2d)在外观模型和动态模型共同引导下，判断手腕在视频中的运动轨迹，再根据得到的运动轨迹从候选的手腕位置中确定最优的手腕位置。
3.根据权利要求1所述的方法，其特征在于步骤(1)中利用双向树结构模型对手腕以外的各关节点定位，按如下步骤进行：
1a)提取原始视频帧的方向梯度直方图HOG特征，利用双向树结构外观模Φ(Pi,I)作为匹配模板，计算图像I中各个像素点和手腕以外各关节点的图像似然度，初步得到一系列候选的手腕以外各关节点位置，其中，i表示人体的第i个关节点，Pi表示观察图像序列I中第i个关节点的状态变量，I表示给定的一帧图像；
1b)根据双向树结构的几何约束模型 在候选的手腕以外各关节点位置中抑
制不满足模型的预测结果，以保留更优的手腕以外各关节点位置，其中，i、j分别表示人体的第i个关节点和第j个关节点，Pi和Pj分别表示观察图像序列I中第i个关节点和第j个关节点的状态变量；
1c)运用和积算法从1b)候选的手腕以外各关节点位置中确定最优的手腕以外各关节点位置：
1c1)通过下式计算由关节点i传递到它的父关节点j的信息，
i i i
ai(P)∝Φ(P ,I)Πm′k(P)
其中，I表示给定的一帧图像，k表示第k个关节点，ai(Pi)表示手腕以外第i个关节点的状态变量为Pi时的几何约束模型连接系数，m′i(Pj)表示手腕以外第j个关节点的状态变量为Pj时手腕以外第i个关节点的后验边缘分布，m′k(Pi)表示手腕以外第i个关节点的状态变量为Pi时手腕以外第k个关节点的后验边缘分布；
1c2)由手腕以外第j个关节点的状态变量为Pj时手腕以外第i个关节点的后验边缘分布m′i(Pj)，得到手腕以外第j个关节点的状态变量为Pj时，手腕以外所有关节点的后验边缘分布：m′(Pj)＝{m′1(Pj)…m′i(Pj)…m′N(Pj)}，其中，i,j∈{1…N}分别表示手腕以外的第i个关节点和第j个关节点，N表示手腕以外人体各关节点的总数；
1c3)从1b)候选的手腕以外第i个关节点位置中选取m′i(Pj)最大的位置，即为手腕以外第i个关节点的最优位置；
1c4)以此类推，最终确定手腕以外所有各关节点的最优位置。
4.根据权利要求1或2所述的方法，其特征在于步骤(4)所述的利用双向树结构模型重新预测手腕的位置，按如下步骤进行：
4a)将2b)得到的结果作为候选的手腕位置；
4b)根据双向树结构的几何约束模型 在候选的手腕位置中抑制不满足模型
的预测结果，以保留更优的候选手腕位置，其中，i、j分别表示人体的第i个关节点和第j个关节点,Pi和Pj分别表示观察图像序列I中第i个关节点和第j个关节点的状态变量；
4c)运用和积算法从4b)候选的手腕位置中确定最优的手腕位置：
通过下式计算由关节点i传递到它的父关节点j的信息，得到第j个关节点的状态变量为Pj时手腕的后验边缘分布m′i(Pj)，从4b)候选的手腕位置中选取m′i(Pj)最大的位置，即最优的手腕位置：
ai(Pi)∝Φ(Pi,I)Πmk(Pi)
其中，I表示给定的一帧图像，k表示人体的第k个关节点，ai(Pi)表示手腕的状态变量为Pi时的几何约束模型连接系数，mk(Pi)表示手腕的状态变量为Pi时第k个关节点的后验边缘分布，Φ(Pi,I)表示在图像I中手腕的状态变量为Pi时双向树结构的外观模型。
基于级联纠错机制的人体姿态估计方法
技术领域
背景技术
发明内容
具体实施方式
PCP值 83.111 38.111 37.222 24.546 26.143
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种头戴式助视装置 | 2020-05-08 | 52 |
| 基于增强现实的视觉辅助方法及智能穿戴设备 | 2020-05-11 | 306 |
| 一种基于改进K-SVD字典学习和压缩感知的轴承故障诊断方法 | 2020-05-12 | 651 |
| 基于信号稀疏表示的NPC三电平逆变器故障诊断方法 | 2020-05-13 | 700 |
| 一种改进谐振控制的电磁超声换能器及其控制方法 | 2020-05-08 | 358 |
| 基于步态特征的视觉跟随机器人方法 | 2020-05-08 | 680 |
| 面向任意形状BOIs的高光谱自适应压缩传感方法 | 2020-05-14 | 763 |
| 一种视觉SLAM系统动态模糊处理算法 | 2020-05-15 | 929 |
| 一种基于有限新息率的EMT图像重构方法 | 2020-05-11 | 1012 |
| 一种密集环境中基于压缩感知的多径时延估计方法及装置 | 2020-05-13 | 91 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
